#Python (2196 repos)

DeepCloakは、Cloudflare、Datadome、Turnstile、reCAPTCHAなどのボットウォールによってブロックされるウェブページ…

「OmniVideo-100K」は、音声・視覚推論能力の向上を目指す大規模データセットと、そのための自動データ合成エンジン…

本ツールは、Meta Questデバイスでキャプチャされたパススルー画像と深度データを用いて3Dシーンを再構築するための…

ATM-Benchは、画像、動画、メールなどのマルチモーダルデータに対し、約4年間にわたる長期的なパーソナライズされた…

LeapAlignは、フローマッチングモデルを人間の好みに合わせて微調整するための学習後手法です。完全なサンプリング軌…

このリポジトリは、Google Gemini Omni APIのプロンプト集です。MuAPIを通じて独占的に提供されるGemini Omni APIの…

Memexaは、AIエージェントと人間が中国語のデータを扱うための自己ホスト型記憶グラフツールです。WeChat、QQ、飛書…

SynthBridgeは、ユーザーが入力したコード進行やメロディをリアルタイムで生成し、即座に演奏できる音楽生成Webアプ…

ArcticPlatformは、大規模言語モデル（LLM）のポストトレーニングプロセスを簡素化・加速するために設計されたフレー…

Audio-Oscarは、複雑な音声シーン記述から長尺で制御可能な音声を生成するためのマルチエージェントフレームワークで…

ULF-Locは、CVPR 2026 Highlight論文として発表された、3D Gaussian Splattingを用いた堅牢な視覚ローカライゼーショ…

GPIC（Giant Permissive Image Corpus）は、視覚生成モデリング研究のための巨大で許容性の高い画像コーパスです。約…

GameVerseは、動画ベースの反射学習を通じてVision-Language Models (VLMs) がゲームプレイを学習できるかを検証する…

RvR (Refinement via Regeneration) は、清華大学とTencent Hunyuanが開発した、画像リファインメントのための革新的…

OpenSfMは、PythonとC++で開発されたオープンソースのStructure from Motion（SfM）ライブラリです。順序付けされて…

「Epstein Files RAG Explorer」は、非密封のジェフリー・エプスタイン裁判記録を探索・分析するためのオープンソー…

「Irodori OpenAI TTS Server」は、Aratako/Irodori-TTSの500M v3ベースモデル向けに開発された、OpenAI Text-to-Spe…

このプロジェクトは、Irodori-TTSをフォークし、echo-TTSのWeb UIとして機能する、Flow Matchingベースの高性能なテ…

MagicBokehは、高ズームで撮影された写真に対し、フォトリアリスティックで高品質なボケ効果を効率的に生成するため…

このリポジトリは、DGX Sparkという特定のハードウェア環境で動作する、小規模な言語モデルや量子化モデルのベンチマ…

noisekitは、自動音声認識（ASR）システムのロバスト性ベンチマークのために、ノイズ層別化された音声データセットを…

RS-Paper-Hubは、arXivからリモートセンシングおよび地球観測関連の論文を自動的に収集、整理、分類、タスクタグ付け…

ScreenClaw（睇虾）は、AIアプリケーションとデスクトップソフトウェアを連携させるためのローカル実行型ミドルウェ…

このプロジェクトは、ビデオから3D再構築を効率的に行うためのツールです。VGGT（Video-based General-purpose Geome…